OpenAI engineers just showed how they prompt GPT-6 Astra...

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

영상이 소개하는 OpenAI 엔지니어의 GPT-6 Astra 프롬프트 방식은 필요한 자료와 원하는 결과를 구체적으로 제공하고, 실행·완료 기준과 중요한 승인 경계를 정한 뒤 불필요한 지침과 과도한 추론 설정을 줄이는 것이다.

📌 핵심 요점

1. 자료·대상·출력 형식을 먼저 지정한다. 추론 수준을 높여도 누락된 정보나 접근 권한은 생기지 않으므로, 파일과 출처, 제약 조건을 제공해야 한다.
2. 문체를 명시한다. 영상은 Astra가 긴 답변과 목록·표, 반복 표현을 선호한다고 설명하며, 짧은 문단과 쉬운 말, 능동태 등의 작성 규칙을 권한다.
3. 실행 요청과 승인 경계를 구분한다. “도와줘”도 실제 작업 요청으로 처리하도록 하되, 전송·게시와 다른 사람이 의존하는 정보 변경에는 승인을 요구한다. 추론 수준은 Light부터 시작해 작업 난도에 따라 높인다.
4. 시작 전에 완료 기준을 정한다. 원하는 결과, 변경하면 안 되는 항목, 완료 여부를 판단할 핵심 검사 하나를 명시하면 초안에서 멈추거나 불필요하게 재검사하는 일을 줄일 수 있다는 설명이다.
5. “더 깊게 생각해”라는 문구 대신 실제 추론 설정을 조절하고, 오래된 맞춤 지침을 정리한다. 모든 행동에 확인을 요구하거나 모든 답을 재검사하게 하는 규칙은 중단과 사용량 증가를 유발할 수 있다.

🧩 배경과 문제 정의

발표자는 GPT-6 Astra 출시 후 더 효과적인 프롬프트 방법을 찾기 위해 OpenAI 팀의 게시물과 가이드를 살펴봤다고 설명한다. 영상은 이를 바탕으로 기존 모델에서 쓰던 습관을 수정하는 여섯 가지 팁을 소개한다.

문제의 출발점은 비싼 사용 비용과 제한된 사용량이다. 영상에 따르면 Astra는 지침을 더 충실하게 따르고, 확인 질문을 더 자주 하며, 길고 형식적인 답변을 선호한다. 따라서 자료 없이 추론 수준만 높이거나, 모든 단계에 확인을 요구하거나, 완료 기준 없이 작업을 맡기는 방식이 효율을 떨어뜨릴 수 있다.

🕒 시간순 섹션별 상세정리

1. 프롬프트 개선의 필요성과 비용·접근 조건

• 발표자는 OpenAI 팀의 게시물과 가이드를 검토해 여섯 가지 팁을 추렸으며, 일부는 이전 모델에서 효과적이던 습관과 반대라고 보여준다. [00:24]
• API 가격을 입력 100만 토큰당 약 10달러, 출력 약 50달러로 설명하고, Plus 사용량을 5시간당 약 5~45개 메시지로 소개하며 요청 하나의 중요성을 강조한다. [00:52]
• Plus에서는 ChatGPT Work와 Codex에서 Astra를 사용하고, Pro·Business에서는 일반 채팅에도 GPT6 Pro라는 이름으로 표시된다고 설명한 뒤 모델 선택 화면을 보여준다. [01:22]

2. 가이드의 출처와 Astra의 세 가지 행동 특성

• 소개하는 가이드는 OpenAI 개발자 사이트와 Codex의 GitHub 코드에 있으며, 일부 문장이 출시일부터 Codex 기본 지침에 포함됐다고 주장한다. [02:02]
• 이전 모델보다 지침을 더 잘 따르고, 가정하고 진행하는 대신 질문을 더 자주 하며, 상세한 형식과 반복 표현을 선호한다는 세 가지 특성을 보여준다. [02:46]
• 단계별 지시와 사전 확인 요구를 과하게 넣는 습관, 최고 추론 수준부터 사용하는 습관을 재검토하라고 말한 뒤 무료 자료와 커뮤니티·강의 안내를 덧붙인다. [03:26]

3. 첫 번째 팁: 자료와 유용한 결과의 조건을 제공하기

• 파일이나 세부 정보가 없으면 모델은 추측하거나 질문하게 되며, 추론 수준을 높여도 없는 정보나 접근 권한을 보충할 수 없다고 보여준다. [03:55]
• 고객 조사 발표자료 예시에서 인터뷰·설문 자료, 제품 리더십이라는 독자, 8장이라는 형식, 주요 문제 세 가지, 근거와 권고의 구분, 불충분한 주장 표시를 명시한다. [04:50]
• 반복 업무의 자료와 지침은 프로젝트에 모으는 방식을 제안하고, 자신의 프로젝트에 정보와 에이전트를 모아 둔 사례를 보여준다. [05:36]

4. 두 번째 팁: 문체를 지정하고 맞춤 지침에 저장하기

• 사업자 대상 AI 로드맵 안내를 마친 뒤, Astra가 상세한 답변과 목록·표를 과하게 사용하고 같은 표현을 반복할 수 있다는 설명으로 넘어간다. [06:28]
• 연체 청구서 안내 메일을 예로 들어 한 문단에 한 가지 생각, 필요한 경우에만 목록 사용, 쉬운 말과 구체적인 예시, 능동태와 직접적인 표현을 권한다. [07:23]
• 이 문체 규칙을 매번 붙여 넣는 대신 맞춤 지침에 저장하는 방법을 화면으로 보여준다. [07:59]

5. 자신의 글쓰기 스타일을 반영하기

• 일반적인 문체 규칙 외에 자신의 목소리를 반영하려면 이메일과 문서를 연결하고 글쓰기 스타일 기능을 활용하라고 제안한다. [08:22]
• Slack·Notion·Google Docs·Gmail 등을 예로 들며 최근 이메일과 메시지를 참고해 자신의 스타일로 답장을 작성하는 요청을 시연한다. [08:44]
• 더 많은 이메일과 Slack 메시지를 살펴보도록 요청하면서, 이 정도 작업에는 높은 추론 수준이 필요하지 않다고 보고 Astra Light를 선택한다. [09:02]

6. 세 번째 팁: 실제 작업을 진행하고 승인 경계를 정하기

• Astra가 이전 모델보다 확인 질문을 자주 한다는 설명과 함께, “도와줄 수 있니”라는 요청을 능력 설명이나 계획 제안으로 끝내지 않도록 지시하라고 드러낸다. [09:31]
• 실행 요청을 실제 작업 지시로 받아들이고 필요한 일을 완료하되, 전송·게시·다른 사람이 의존하는 정보 변경 전에는 승인을 요구하는 문구를 보여준다. [10:06]
• 연락이 끊긴 잠재고객의 후속 연락 작성 사례로 실행과 승인 경계를 다시 설명하고, 해당 규칙을 문체 규칙 아래 맞춤 지침에 넣으라고 제안한다. [10:49]

7. 작업 난도에 맞춰 추론 수준 선택하기

• 추론 수준은 답변 전 얼마나 추론할지를 정하는 설정이며, Astra는 Light부터 시작해 더 많은 계획이나 검사가 필요한 경우 높이는 것이 권장된다고 보여준다. [11:27]
• 코딩 벤치마크와 관계자의 발언을 근거로 이전 모델의 높은 설정을 새 모델에 그대로 적용하지 말라고 주장한다. 다만 구체적인 평가 수치는 전사에 제시되지 않는다. [11:57]
• 짧은 글쓰기·수정은 Light, 맥락과 단계가 많은 프로젝트는 Medium 이상, 까다로운 분석은 High로 구분하고, 단순 작업에는 다른 모델을 쓰는 것이 사용량 관리에 유리하다고 드러낸다. [12:29]

8. 네 번째 팁: 완료 기준과 중요한 검사 하나 정하기

• 모델이 첫 버전에서 멈출 수 있으므로 원하는 결과, 바꾸면 안 되는 항목, 완료 여부를 확인하는 방법을 시작 전에 지정하라고 보여준다. [13:13]
• 리더십용 한 페이지 프로젝트 보고서 예시에서 Drive·Slack 자료, 필요한 의사결정과 다음 단계, 진행 상황·위험·담당자·기한을 지정하고 승인된 날짜와 예산은 유지하도록 한다. [13:45]
• 모든 다음 단계에 담당자와 기한이 있는지를 핵심 검사로 삼는다. 모델이 이미 자체 검사를 하므로 포괄적인 재검사 지시를 반복하면 사용량을 더 소모할 수 있다고 보여준다. [14:26]

9. 다섯 번째 팁: 추론을 요구하는 문구와 실제 설정 구분하기

• 채팅에 “더 깊게 생각해”라고 써도 추론 수준이 바뀌지 않으며, 실제 수준은 모델 선택 화면의 설정으로 조절한다고 보여준다. [14:44]
• 채용 공고 수정 예시에서는 막연한 추론 요구를 삭제하고, 더 따뜻한 문체로 바꾸되 급여·근무시간·요건은 그대로 유지하라는 구체적인 요청을 제시한다. [15:07]

10. 여섯 번째 팁: 오래된 맞춤 지침 감사하기

• 항상 먼저 확인하기, 가정하지 않기, 모든 답 재검사하기 같은 기존 규칙을 Astra가 엄격히 따르면서 작업이 일찍 멈출 수 있다고 보여준다. [15:48]
• 중단·허가 요청·미완료·방향 변경을 유발하는 지침을 인용하고 행동에 미칠 영향과 수정안을 제시하도록 하는 점검 프롬프트를 보여준다. [16:19]
• 전송·게시·삭제를 막는 중요한 경계는 유지하고, 나머지는 줄이라고 제안한다. 첫 번째 팁과 연결해 사실과 파일은 더 제공하되 규칙은 줄이는 원칙을 강조한다. [17:00]

11. 여섯 가지 팁을 실제 영업 프롬프트에 적용하기

• 견적 발송 후 연락이 끊긴 잠재고객을 분석하고 후속 연락을 작성하는 모호한 요청을 제시한다. 원래 요청에는 작성 전 확인 요구와 선택적인 CRM 확인이 섞여 있다. [17:30]
• 원하는 결과, 사용할 파일·앱, 완료 기준, 마지막 검사 하나를 명시하고 작업 전 불필요한 확인 요구를 제거하는 짧은 프롬프트로 다시 쓰도록 요청한다. [18:06]
• 결과 예시에는 잠재고객 식별과 개인별 후속 연락 초안 작성, Gmail 대화·견적 파일·CRM 기록 활용, 출처 링크가 포함된다. [18:27]

12. 재사용 가능한 스킬과 사용량 절감 경험으로 마무리

• 같은 방식으로 몇 차례 프롬프트를 고치면 직접 작성하기 쉬워지고, 반복해서 적용할 수 있도록 스킬로 만들 수도 있다고 제안한다. [18:47]
• 발표자는 여섯 가지 팁이 자신과 팀의 사용량을 줄이고 더 나은 결과를 얻는 데 도움이 됐다고 드러낸다. 절감 폭이나 비교 실험 수치는 제시하지 않는다. [19:11]
• 설명란의 무료 보충 자료를 다시 안내하고 시청 감사와 다음 영상 인사로 마무리한다. [19:22]

🧾 결론

• 영상의 중심 원칙은 사실과 자료는 충분히 제공하고, 행동을 묶는 규칙은 필요한 만큼만 남기는 것이다.
• 좋은 프롬프트는 원하는 결과, 사용할 파일·앱, 완료 기준, 마지막 핵심 검사를 분명하게 전달한다.
• 반복 업무는 프로젝트와 맞춤 지침, 재사용 가능한 스킬로 정리하는 방식이 제안된다.
• 발표자는 여섯 가지 팁으로 자신과 팀의 사용량과 결과 품질이 개선됐다고 말하지만, 정량적인 비교 결과는 제시하지 않는다.

📈 투자·시사 포인트

• 업무용 AI의 비용 판단에는 모델 가격뿐 아니라 불필요한 확인 질문, 재작업, 반복 검사에 쓰는 사용량도 포함할 필요가 있다는 시사점이 있다.
• 영상은 간단한 작업에 Astra를 사용하는 것이 과할 수 있다고 설명한다. 작업 난도에 맞는 모델과 추론 수준을 선택하는 것이 운영 비용 관리의 핵심으로 제시된다.
• 파일·메일·CRM 등 실제 업무 자료를 연결하고 결과 기준을 정하는 과정이 AI 도입의 실무 과제로 드러난다.
• 초안 작성과 외부 전송·게시의 승인 경계를 명확히 하는 방식은 업무 자동화에서 통제와 실행 속도를 함께 설계하는 사례다.

⚠️ 불확실하거나 확인이 필요한 부분

• API 입력 100만 토큰당 약 10달러, 출력 약 50달러, Plus의 5시간당 5~45개 메시지 등은 영상이 소개한 수치다. 적용 시점과 실제 과금·사용량 조건은 이 원문만으로 확인할 수 없다.
• Plus에서는 ChatGPT Work와 Codex, Pro·Business에서는 일반 채팅의 GPT6 Pro로 접근한다는 설명과 개인화 설정의 적용 범위는 영상의 안내다. 계정별 실제 제공 여부는 확인이 필요하다.
• 개발자 가이드와 Codex 기본 지침이 일치한다는 주장, Astra의 낮은 추론 설정이 이전 모델의 높은 설정보다 코딩 벤치마크에서 앞선다는 주장은 원문에 문서 링크·커밋 식별자·평가 수치가 없어 독립적으로 검증할 수 없다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 자주 하는 업무 하나를 골라 사용할 자료, 결과의 독자, 출력 형식과 제약 조건을 명시한다.
• 프롬프트에 원하는 결과, 변경 금지 항목, 완료 기준과 핵심 검사 하나를 추가한다.
• 짧은 문단, 쉬운 말, 필요한 경우에만 목록을 쓰는 문체 지침을 정리하고 자신의 글 샘플을 활용한다.
• 초안 작성은 진행하되 전송·게시·삭제 등 중요한 행동에는 승인을 요구하도록 경계를 구체화한다.

❓ 열린 질문

• 같은 업무에서 자료 보강, 지침 정리, 추론 수준 조절 중 무엇이 품질과 사용량에 가장 큰 영향을 주는가?
• Light에서 더 높은 추론 수준으로 전환할 필요가 있는 작업을 어떤 기준으로 판별할 수 있는가?
• 승인 경계와 핵심 검사 하나만으로 충분한 업무는 무엇이며, 추가 검토가 필요한 업무는 무엇인가?